-
公开(公告)号:CN102314417A
公开(公告)日:2012-01-11
申请号:CN201110284429.4
申请日:2011-09-22
申请人: 西安电子科技大学
IPC分类号: G06F17/27
摘要: 本发明是一种基于统计模型的Web命名实体识别方法,用结构和文本特征对Web命名实体进行多特征表示;本发明将统计方法和规则方法相结合,采用改进的MR-GHMM来优化训练的效率;用改进隐马尔可夫的模型对实体进行标注,对各命名实体标注,实现实体识别;对Web复杂命名实体识别过程作为二层来处理,将第一层的标注结果作为第二层处理的输入进行复杂嵌套实体识别。本发明与原有识别算法相比,该算法的识别准确率提高了,模型训练的时间复杂度也大幅降低。通过对Web命名实体的多特征表示,针对不同领域的实体特征进行修改,就可以应用与Web上不同领域的命名实体进行识别。
-
公开(公告)号:CN118885797A
公开(公告)日:2024-11-01
申请号:CN202411018976.1
申请日:2024-07-29
申请人: 西安电子科技大学
IPC分类号: G06F18/213 , G06F18/25 , G06F18/10 , G06N3/0464 , G06F18/27 , G06N3/096 , G06N3/084
摘要: 本发明公开了一种基于子空间距离的跨用户警觉度监测方法,解决了跨用户警觉度监测中的模态数据单一、相关性不足以及误差波动大的问题,实现方案:数据采集与预处理;构建跨用户警觉度监测模型;模型训练;用户警觉度监测。本发明使用源域与目标域特征,计算子空间距离、碱基错配惩罚与均方根误差作为模型总损失,最小化总损失训练模型,使用模型监测用户得到警觉度值。本发明通过使用多模态数据融合以及基于子空间距离的迁移学习算法,提高了跨用户警觉度监测过程中的精度与稳定性,降低警觉度监测误差,用于人机交互、交通驾驶、航空飞行等领域中对用户进行实时警觉度连续监测。
-
公开(公告)号:CN118349702A
公开(公告)日:2024-07-16
申请号:CN202410529125.7
申请日:2024-04-29
申请人: 西安电子科技大学
IPC分类号: G06F16/783 , G06V20/40 , G06V10/82
摘要: 本发明公开了一种基于多维度视频信息交互的视频时刻检索方法,主要解决现有技术难以提取视频中多样性定位内容导致跨模态对齐困难和检索不精确的问题。其实现方案为:使用公开的视频时刻检索数据集构建训练集;构建包括文本特征提取模块、视频特征提取模块、多维度二维时序特征图生成模块、场景分割候选时刻表示增强模块、跨模态交互和时刻检索模块的视频时刻检索网络;利用训练集通过梯度下降法对视频时刻检索网络进行训练;利用训练好的网络前向计算完成文本相对应的视频时刻的检索。本发明通过多维度视频信息交互,构建多维度二维时序特征图并增强特征表示,促进了跨模态语义匹配,提高了模型的检索性能,可用于智慧教育和安全监控。
-
公开(公告)号:CN117608700A
公开(公告)日:2024-02-27
申请号:CN202311642371.5
申请日:2023-12-01
申请人: 西安电子科技大学
摘要: 本发明公开了一种提高任务执行效率与边缘节点资源利用率的任务卸载方法,涉及移动通信技术领域,包括:构建边缘协作环境下的任务卸载模型,获取任务总执行时间;以最小化任务总执行时间为目标,根据改进的教学优化算法,联合优化资源分配决策、用户与边缘服务器关联决策、任务卸载比例、以及执行位置决策,获取最小的任务总执行时间。本发明联合优化任务卸载位置决策、任务卸载比例、计算资源分配以及用户与服务器关联策略,综合优化考虑了多个关键决策变量,有效地降低了任务卸载问题的复杂性,提高了调度效率。
-
公开(公告)号:CN111615151B
公开(公告)日:2023-10-10
申请号:CN202010339467.4
申请日:2020-04-26
申请人: 北京瀚诺半导体科技有限公司 , 西安电子科技大学
IPC分类号: H04W28/08 , H04W28/082 , H04W28/02
摘要: 本发明公开了一种上线信道筛选方法、装置、存储介质及终端,所述方法包括:从HB局端和任一候选HM终端随机选择任一设备作为筛选待上线信道的设备;根据HB局端对应的局端信道筛选模型或任一候选HM终端对应的终端信道筛选模型,从HB局端支持的N个HINOC信道中筛选M个HINOC信道作为符合条件的任一HM终端上线的优先选择信道。因此,采用本申请实施例,不仅可以从HB局端筛选符合条件的HM终端能够上线的信道,还可以从任一候选HM终端筛选符合条件的HM终端能够上线的信道,实现了筛选主体的多样性,此外,本申请提供的方案可以基于信道质量或信道负载终端个数进行信道筛选,保证了终端的传输质量或网络总体的负载均衡。
-
公开(公告)号:CN116777058A
公开(公告)日:2023-09-19
申请号:CN202310721468.9
申请日:2023-06-19
申请人: 西安电子科技大学
IPC分类号: G06Q10/04 , G06F40/253 , G06N5/04 , G06N3/042
摘要: 本发明公开了一种基于图模型的灾难事件后续推测方法,主要解决现有技术对于灾难事件针对性欠缺、考虑因素较少,导致推理效果不佳的问题,其实现方案是:首先,从精简的角度出发构建一级子图,从整体的角度出发构建二级子图;再将所构建的两级子图利用图神经网络分别进行推理获取事件的精简信息和普遍信息;然后,基于这两种信息进行事件信息的融合;最后,基于融合的信息,使用注意力机制有侧重地得到候选事件的评分,选择出预测事件的伤亡情况。本发明考虑信息全面,事件针对性强,预测灾难事件时仅需收集已发生的某次灾难数据就能获得与灾难相关的预测事件,推测出伤亡人员所处的位置,可用于对地震、山体滑坡、洪水这些自然灾害的后续救援。
-
公开(公告)号:CN116756314A
公开(公告)日:2023-09-15
申请号:CN202310719473.6
申请日:2023-06-16
申请人: 西安电子科技大学 , 中国食品发酵工业研究院有限公司
IPC分类号: G06F16/35 , G06F40/253 , G06F18/25 , G06V10/40 , G06V10/80 , G06V10/82 , G06N3/042 , G06N3/045 , G06N3/0464 , G06N3/08
摘要: 本发明公开了一种基于GCN的方面级多模态情感分析方法,包括下述步骤:生成训练集;构建方面级多模态情感分析网络;训练方面级多模态情感分析网络;对方面级多模态情感极性进行分类。本发明构建了基于GCN的方面级多模态情感分析网络,利用图卷积神经网络将语法信息融入文本特征中,使得方面词能够关注到正确意见词所表达的情感信息,减少文本中噪声的影响。本发明将图像分割为图像块并与文本模态融合,构建用于融合模态的图卷积神经网络,融合相关联的图像信息,获取图像中与方面词相关的细粒度图像信息,减小图像中噪声信息的影响,有效提高情感分析的准确度。
-
公开(公告)号:CN116226449A
公开(公告)日:2023-06-06
申请号:CN202310050175.2
申请日:2023-02-01
申请人: 西安电子科技大学
IPC分类号: G06F16/783 , G06F16/75 , G06N3/08 , G06N3/0464
摘要: 本发明公开了一种基于差分多尺度多粒度特征融合的视频文本检索方法,主要解决现有技术未充分利用视频时序特征及细粒度信息文本标注造成视频文本匹配精度低的问题,其实现方案为:获取视频帧序列及文本标注序列;构建特征提取网络并提取文本标注的全局和局部特征;将视频帧特征按时间序列差分并通过序列特征提取网络与帧特征结合得到视频的局部和全局特征;计算视频和文本标注的全局相似度和局部相似度,计算出损失函数;利用损失函数训练网络;利用训练好的网络计算视频与文本标注的相似度并排序得到检索结果。本发明能减少不同模态之间的语义鸿沟,挖掘视频模态数据中的时序信息,提升跨模态检索精度,可用于视频主题检测和视频应用的内容推荐。
-
公开(公告)号:CN116109960A
公开(公告)日:2023-05-12
申请号:CN202210804157.4
申请日:2022-07-07
申请人: 西安电子科技大学
摘要: 本发明公开了一种基于预训练模型的视频文本检索方法,主要解决现有方法中数据特征异质性及冗余级联造成视频文本匹配精度低的问题;方案包括:1)获取视频数据集的帧序列及文本标注切分产生的文本序列;2)采用图文预训练模型协同提取视频和文本的特征;3)将视频以块级联形式映射,同时将协同提取应用到视频的聚合阶段,以文本表征指导聚合视频帧级特征;4)加入交叉方向上的先验概率并使用分散约束损失,完成模型训练;5)利用训练好的视频文本匹配模型得到最终检索结果。本发明能够有效减少不同模态之间的语义鸿沟,充分挖掘视频模态数据中的复杂时空信息,提升跨模态检索精度。
-
公开(公告)号:CN114764564A
公开(公告)日:2022-07-19
申请号:CN202210465093.X
申请日:2022-04-25
申请人: 西安电子科技大学
IPC分类号: G06F40/284 , G06F40/253 , G06K9/62 , G06N3/04 , G06N3/08
摘要: 本发明公开了一种基于融合语言学知识的方面级情感极性分类方法,包括下述步骤:(1)建立训练样本集和测试样本集;(2)搭建基于融合语言学知识的方面级情感分类模型;(3)对方面级情感极性分类模型进行迭代训练;(4)获取方面级情感极性分类结果。本发明构建了基于融合语言学知识的方面级情感极性分类网络,利用现有的SOTA模型分析并提取评论数据中所特有的语言学知识,搭建基于图神经网络和注意力机制的语言学知识融合网络,将评论数据中所蕴涵的语言学知识融入到最终的单词表示中,提高了方面级情感极性分类的准确率。
-
-
-
-
-
-
-
-
-